Question

我正在使用Apache PDFBox来读取具有由书签定义的层次结构的PDF文档。层次结构采用树形式，内容仅在叶级别。

使用以下代码在两个叶级书签之间提取文本：

Stripper.setStartBookmark(), 
Stripper.setEndBookmark(),
Stripper.writeText()),

返回整个页面中的文本。简而言之，我的问题类似于this thread中提到的问题。

有没有办法在两个书签之间提取内容？

如果是这样，我的代码应该有什么变化？

Answer 1

我猜您的书签不包含正确的数据。

听起来您使用的书签只指向内容开始的页面，而不是页面上的位置。

以下是包含位置数据的书签示例：

<Title Action="GoTo" Style="bold" Page="2 FitH 518">
Title Name
</Title>